- Страна
- Казахстан
Data Scientist (Middle)
Оценка ИИИнтересная роль в государственном секторе с четкими требованиями и современным технологическим стеком. Локация в Астане и офисный формат могут подойти тем, кто предпочитает стабильность и живое взаимодействие.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИПозиция требует уверенного владения стеком NLP (Hugging Face, PyTorch) и опыта от двух лет. Основная сложность заключается в специфике работы в государственном секторе и необходимости глубокого знания SQL для работы с базами данных.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, однако для уровня Middle Data Scientist в Астане рыночный диапазон составляет от 700 000 до 1 200 000 тенге. Предложение будет конкурентоспособным, если попадет в эти рамки.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
Data Scientist (Middle) Национальный центр тестирования
Местоположение: Астана
Формат работы: Офис
Опубликована: 28.07.2026
Требования:
• Опыт работы в Data Science, Machine Learning или NLP от двух лет
• Уверенное владение Python и продвинутый SQL
• Знание NumPy, pandas, scikit-learn и PyTorch
• Опыт работы с Hugging Face Transformers и Datasets
Контакт: Откликнуться
Откликнуться опубликована в LinkedIn у Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- SQL
- NumPy
- Pandas
- Scikit-learn
- PyTorch
- Hugging Face Transformers
- NLP
- Machine Learning
Возможные вопросы на собеседовании
Проверка практического опыта работы с современными NLP-архитектурами.
Расскажите о вашем опыте дообучения (fine-tuning) моделей из Hugging Face для специфических текстовых задач.
Оценка навыков оптимизации запросов, что критично для работы с большими объемами данных тестирования.
Как бы вы оптимизировали сложный SQL-запрос, который выполняется слишком медленно на большом наборе данных?
Проверка понимания фундаментальных алгоритмов машинного обучения.
В каких случаях вы предпочтете градиентный бустинг нейронным сетям при работе с табличными данными?
Оценка навыков предобработки данных, специфичных для образовательной сферы.
С какими проблемами в данных вы сталкивались при подготовке датасетов для обучения моделей и как их решали?
Проверка умения работать с фреймворком PyTorch.
Опишите процесс создания кастомного DataLoader в PyTorch для работы с неструктурированными текстовыми данными.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
